Verhoogde business performance met data exploratie en data mining

mei 2011

Bedrijven beschikken vaak over een schat aan informatie, maar nemen toch beslissingen die gesteund zijn op hun buikgevoel.
Amelior kan helpen om statistisch onderbouwde  beslissingen te nemen.

De hoeveelheid ruwe data opgeslagen in de databases van de meeste bedrijven vertoont een explosief verloop. Deze stijging wordt in de hand gewerkt door steeds hogere eisen bij opvolgen van klantenspecificaties, procescontroles, kwaliteitscontroles, opvolgen van KPI's, en allerhande cijfermateriaal vereist door klanten en managementsystemen.
Sinds het begin van het bijhouden van de eerste data op computer in de jaren 60 is het cijfermateriaal in volume blijven toenemen in alle organisaties. Databases worden niet langer in kilobytes uitgedrukt maar in gigabytes of in terabytes. (een terabyte is 1 triljoen bytes en komt overeen met ongeveer 2 miljoen boeken).
Ruwe data zelf bieden echter zeer weinig informatie. Nochtans, in de huidige competitieve businessomgeving is het nodig dat bedrijven snel en efficiënt deze terabytes van ruwe data in bruikbare informatie omzetten om hun klanten, de markt en het bedrijf te leiden doorheen productontwikkeling, marketing, investeringen, herorganisaties, managementstrategieën, … Zeker met de huidige concurrentiële druk die momenteel heerst, bieden statistisch ondersteunde beslissingen een veel stevigere basis dan het volgen van buikgevoel en intuïtie.
In heel wat gevallen blijft echter volgende quote gelden: “Rijke data, arme informatie”.
 
 
De oplossing: data exploring en data mining
 
Met een aantal statistisch ondersteunde methoden kan men zich een weg banen doorheen grote datasets om belangrijke informatie zichtbaar te maken, die ofwel direct bruikbaar is in de organisatie of die kan dienen om er verdere analyse op toe te passen.
Hierbij kan de focus liggen op het bewijsbaar maken van welbepaalde veronderstellingen, oorzakelijk onderzoek van actuele problemen of tekortkomingen, opportuniteitenselectie, detectie van verbeterprojecten.
Data exploratie is een creatieve activiteit waarbij heel wat paden kunnen bewandeld worden en verschillende technieken mogelijk zijn. De kunst is om een data exploratie georganiseerd te laten verlopen, records bij te houden over de exploratie, ideeën en gedachtengangen te noteren gedurende het proces en alle bevindingen te organiseren. Het is een complexe onderneming, die echter zeer bevredigend kan zijn na afloop.
Data mining is een computergestuurd proces dat in enorme datasets op zoek gaat naar structuren en trends en gedragingen voorspelt, waaruit proactieve en kennisgedreven beslissingen komen voor de organisatie. De techniek laat ook toe om verborgen patronen aan het licht te brengen die experts missen omdat ze buiten het verwachtingspatroon liggen.
Beide methoden zijn meestal heel toepasbaar, waarbij data mining volgt op een periode van data exploratie. Er zijn geen restricties verbonden aan de methoden en ze kunnen op alle types van datasets toegepast worden, zowel grote als kleine.
 
 
Begeleidingstrajecten voor data exploratie en data mining
 
Een degelijke voorkennis van bruikbare statistische tools is natuurlijk een noodzaak om onderbouwd informatie uit de grote datasets te extraheren.
Deze kennis is meestal wel aanwezig in zeer grote bedrijven, waar statistici zijn aangeworven als ondersteuning voor afdelingen. In de kleine en middelgrote bedrijven (of vaak ook grote bedrijven zonder beschikbare statisticus) blijft de informatie uit de grote datasets vaak onaangeroerd.
Amelior heeft sinds kort begeleidingstrajecten opgestart die bedrijven helpen om informatie uit de datasets te halen. In een aantal gevallen gaat het om onderbouwing en bevestiging van organisatorische beslissingen. Organisaties willen zich niet langer laten leiden door intuïtie en buikgevoel, maar door correct geïnterpreteerd cijfermateriaal. In andere gevallen gaat het om het uitzoeken van mogelijke invloedsfactoren, oorzaak en gevolg-interacties, …
 
  
Een voorbeeld: klantentevredenheidsonderzoek
 
Bij een grote verdeler van personenwagens stelde men zich vragen over het nut van een standaard klantentevredenheidsmeting na uitvoeren van service. Dit onderzoek bestond uit een vragenlijst van 4 bladzijden en 33 vragen. De resultaten per vraag waren gekend en zwakke punten waren geïdentificeerd, maar de organisatie had toch twijfels over de relevantie van deze 33 vragen. Een statistische analyse over de resultaten per dealer gaf volgend resultaat:

De tevredenheid van de koper over zijn garantie werd  voor 79% bepaald door de volgende parameters:

  • 23% : tevreden over de manier waarop u geholpen werd
  • 26% : openingsuren geschikt voor afhalen van auto
  • 30% : tevreden over de werkzaamheden bij meest recente bezoek

Voor de tevredenheid over de service waren de volgende vragen voor 94% bepalend:

  • 9% : nam het servicepersoneel voldoende tijd om naar u te luisteren?
  • 27% : openingsuren geschikt voor afhalen van auto
  • 28% : tevreden over de faciliteiten van uw dealer
  • 30% : tevreden over de werkzaamheden bij meest recente bezoek

Het bleek dus dat een vijftal vragen voldoende waren om een duidelijk idee te krijgen over de tevredenheid van de klanten over hun dealer. Terzelfdertijd zullen de klanten veel liever een vragenlijst met vijf vragen invullen, vergeleken met de vier bladzijden van voorheen…

Dr. ir. Paul DEVOS is sinds 25 jaar werkzaam als senior consultant bij Amelior waar hij dagelijks in contact komt met de ISO 9001-, de ISO 17000 - en voedselveiligheids-problematiek in grote en kleine organisaties. Hij verzorgde reeds praktische opleidingen over de normen van de ISO 17000-serie voor meer dan 500 deelnemers en hij heeft al meer dan 25 instellingen succesvol begeleid naar accreditatie.

De heer Devos heeft tevens al 24 jaar auditervaring als externe auditor bij Lloyd’s Register.


Lees hier andere artikels van deze auteur...

Contacteer de auteur...